空域变换增强

《空域变换增强》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、空域变换增强图像的空域变换增强方法是基于图像像素点的方法，也叫做灰度变换。常见的有三种方法：（1）对每个像素按照增强算法进行直接灰度变换（2）借助图像的直方图进行变换（3）借助一系列图像之间的操作进行变换为了提高红外图像的对比度，本文中研究了前两种方法：灰度拉伸和直方图均衡化。1、灰度拉伸灰度拉伸是基于图像的点运算而言的。它可以使图像动态范围加大，图像对比度扩展，使得图像更加清晰。该方法是按一定的规则逐点修改输入图像每一像素点的灰度值，从而改变图像灰度的动态范围。它可以使某动态区进行压缩而在另外区域中进行扩展。本论文中采用如下变换函数公式对红外灰度像素进行灰

2、度拉伸。其中，α,β,γ为分段函数的三个斜率，β值大于α和γ的值。该灰度拉伸函数将红外图像中可能包含行人的灰度范围扩展到范围，将图像中较暗的背景灰度范围和较亮的可能是灯光等噪声干扰的灰度范围分别压缩到和。下图为该函数的示意图。图像拉伸示意图经过实验发现，在各种情况下行人的灰度值大体分布在(50,200)的范围内，因此实验中将(a,b)取值为(50,200)，取值为(40,250)。经过灰度拉伸使得红外图像中行人目标更加突出。变换后灰度高端和低端的对比度降低，消除了背景中的噪声干扰，尤其是灰度端部分的灯光干扰，为后续的图像分割和行人检测处理研究提供了很好的基础

3、。然而，灰度拉伸算法对远距离行人的红外图像处理的效果比较好，这是由于远距离行人红外图像灰度值普遍比较低，直方图分布聚集在较低灰度范围，经过灰度拉伸后可以增加图像中行人和背景的对比度。但是近距离行人红外图像灰度直方图聚集在较高的范围内，灰度拉伸使得行人和背景区域灰度同时被扩展，反而降低了行人和背景的对比度。本文中只研究7~15米范围内的行人，经过试验证明7米左右处行人的红外图像不存在这种问题。2、直方图灰度均衡直方图均衡化是非常典型的空域增强方法，它可以大大改善图像灰度分布的动态范围，增加图像的整体对比度，使人们获得对于红外图像更好的视觉效果。该算法因其简捷高

4、效而得到了广泛的应用。直方图均衡化的基本思想是使得增强后图像的灰度统计直方图呈现为均匀分布，从而改善整幅图像灰度分布的动态范围。它是通过点运算将图像的原始灰度分布均匀散布于整个可能允许的灰度分布空间，使输入图像转换为在每一灰度级上都有相同的像素点数的输出图像（即输出的直方图是平的），从而拉大灰度值之间的动态范围，在视觉上增强图像的整体对比度。其主要步骤为：（1）计算原图像灰度级直方图；（2）求原图像灰度的累积概率分布函数，进一步求出灰度变换表；（3）求新的灰度值；设r和S分别表示归一化了的原图像和经直方图修正后的图像灰度。即0≤r,S≤1对[0，1]区间内的

5、任一个值都可产生一个值，且为变换函数。满足下列条件：a、在0≤r≤1区间内是单调增加函数；b、对于0≤r≤1，有0≤≤1。条件a保证灰度级从黑到白的次序，而条件b确保映射后的像素灰度在允许的范围内。对于连续图像，图像的概率密度函数（归一化到单位面积的直方图）的定义为：()其中为直方图，为图像的面积。设变换前图像的改良密度函数为，转换后图像的概率密度函数为，变换函数为。由概率论知识得：如果想让变化后图像的概率密度函数为1，则必须满足：等式两边对r积分得：对于离散图像，第i个灰度级出现的频数用表示，该灰度级像素对应的概率值为：式中L是灰度级的数目，是第i级灰度级

6、的概率，是在图像中出现这种灰度级的次数，n是帧内像素总数。则离散图像的变换函数表达式为上面用的r和S都是归一化了的灰度值，得出结果以后需要再计算对应的灰度值。L级的灰度图可用下式计算其灰度值：其中：为变化后得到的实际灰度值。直方图均衡化的优点是能自动地增强整个图像的对比度，但它的具体增强效果不易控制，处理的结果总是得到全局均衡化的直方图。该方法将行人目标增强的同时，也将背景增强，不适于后续的图像处理工作。另外，可以采用直方图规定化的方法改进直方图均衡化算法。直方图规定化方法采用特定形状的直方图，有选择地增强目标所在的灰度值范围内的对比度，使得处理后的图像处理

7、中行人目标更加突出。从直方图规定化的原理看，它是可以满足人们对于图像增强的要求的。但是为了得到最佳的增强效果，需要制定最佳的特定直方图，这就要求首先对图像中目标的大小、灰度分布等特征进行相当准确的提取，否则可能造成目标的残缺或失真。对于千变万化的实际场景，如何准确提取目标特征、进一步如何利用这些目标特征制定最佳的特定直方图是相当困难、也是相当复杂的。所以本论文中采用灰度拉伸的方法来提高红外图像的对比度的。